美国“创世纪计划”的启动与目标 - 2025年末，美国能源部牵头启动“创世纪计划”，旨在整合国家科研体系与市场化AI能力，以提升基础科研效率[3] - 该计划联合了微软、谷歌、英伟达、OpenAI等24家科技巨头与美国17个国家实验室，目标直指核聚变、量子计算、新材料等基础科学领域[5] - 核心动机是利用大模型和算力技术缩短核聚变、材料、能源等“慢变量”领域的科研试错周期，解决研发周期拉长、成本攀升的问题[9][10] 参与方构成与协作模式 - 参与方具有“全栈特征”，覆盖AI产业关键节点：包括英伟达、AMD等算力提供者，微软、谷歌等云平台，以及OpenAI、xAI等模型公司[12] - 这是长期互为对手的科技巨头首次在国家意志引导下协同发力，例如谷歌承诺将新一代大模型用于核聚变等离子体模拟，OpenAI向白宫提交专项报告论述战略窗口[12] - 合作模式是阶段性重合：国家需要企业的AI能力，企业需要国家提供的场景、订单和长期需求，而非企业被收编[14] 计划主导方与战略资产 - 计划由美国能源部主导，因其掌控全球顶尖超级计算资源、横跨数十年的战略级科研数据，并长期承担核聚变、高能物理等重大国家科研任务[13] - 这些周期长、成本高、商业化难度大的基础科学领域，被认为是新一代计算技术最能发挥价值的战场[13][14] 对行业竞争格局的影响 - 该计划将AI竞赛从“企业级”提升至“国家级生态”维度，对其他国家形成体系化压力[16] - 计划由技术、数据、生态共同构筑的行业屏障正在形成，可能导致未来AI科技公司之间的差距越来越大[14] 中国面临的竞争叙事与自身路径 - 国际舆论中存在将中国芯片和光刻机发展称为“中国曼哈顿工程”的叙事，暗示其依赖“逆向工程”[17] - 真正的技术创新需要自主创新积累海量数据、调试经验和系统级Know-how，并构建获得全球产业链信任的商业化能力[17] - 中国需要一条基于开放创新、生态培育与长期主义的自主发展路径，未来竞争将更多聚焦于“科研生态与制度设计的适配性”[19] 中国的优势与结构性挑战 - 中国拥有集中力量办大事的制度优势以及全球最完整的产业链基础，在需要大规模资源整合与长期投入的战略领域具有独特攻坚能力[20] - 中国科技生态存在“应用强、基础弱”的格局，顶尖科技公司更多聚焦应用创新与商业模式，在瞄准长远的基础科学攻坚中可能后劲不足[21] - 核心命题是如何在发挥制度优势的同时，培育基础研究土壤并构建可持续的创新生态[21] 计划成功面临的主要挑战 - 首要挑战是协调长期在市场上竞争的科技巨头（如英伟达、AMD、微软、谷歌）实现真正协作，克服不同的技术路线、商业逻辑与企业文化[23] - 深层挑战在于构建安全、可信的数据共享与知识产权框架，以平衡国家实验室的核心数据安全与科技公司的AI模型命脉[23] - 资金耐心是重大考验，核聚变、量子计算等目标回报周期以十年计，但科技巨头需每季度面对华尔街审视，需要资本市场保持“战略耐心”[26] - 根本制约来自物理世界，算力指数级增长需要宏大的能源基础设施支撑，近期旧金山大规模停电事件警示了先进AI对老化电网的脆弱性[26] - 政治周期干扰是潜在风险，国家科研方向可能随政府更迭而摇摆，成功的计划需要超越选举周期的十年视野和高度科研连续性[27] 计划成败的关键决定因素 - 计划最终成败不取决于单项技术突破，而取决于美国能否克服其内部顽疾：科技巨头各自为政、资本市场短期逐利、政治周期摇摆干扰[27] - 如果成功，将探索出一条“国家主导、企业主演”的全新科技攻坚路径；如果失败，可能因内部消耗与官僚主义沦为耗资巨大的表演[27]

美国“创世纪计划”概述 - 美国能源部于2025年末牵头启动“创世纪计划”，旨在将AI能力引入国家科研体系，以解决核聚变、量子计算、新材料等基础科学领域研发周期长、成本高的问题 [1] - 计划整合了24家科技巨头与17个国家实验室，参与者覆盖AI产业全栈，包括英伟达、AMD（算力）、微软、谷歌（云平台）以及OpenAI、xAI（模型）等关键节点 [4] - 该计划标志着科技巨头首次在国家意志引导下协同合作，将竞争从企业级模型与产品迭代，升级为国家科研体系间的系统性对决 [3] 计划的核心动机与战略定位 - 核心动机是利用已被商业验证的大模型和算力技术，通过集中使用算力、模型和数据，缩短基础科研的试错周期，提升效率 [4] - 选择由能源部主导，因其掌控全球顶尖的超级计算资源、横跨数十年的战略级科研数据，并长期承担核聚变等具有重大国家意义的长周期科研任务 [6] - 合作本质是国家需要企业的AI能力，企业需要国家提供的长期应用场景和订单，形成阶段性利益重合，而非企业被收编 [6] 计划的潜在挑战与成功要素 - 面临的首要挑战是协调长期互为竞争对手的科技巨头（如英伟达、AMD、微软、谷歌）进行协作，克服其不同的技术路线、商业逻辑与企业文化 [18] - 需解决国家实验室核心数据与科技公司AI模型知识产权之间的安全共享难题，构建前所未有的数据共享与信任框架 [18] - 资金耐心是重大考验，核聚变、量子计算等目标回报周期以十年计，需让资本市场为高风险、长周期且成果不确定的投入保持“战略耐心” [20][21] - 基础设施制约显著，算力的指数级增长需要宏大的能源基础设施支撑，老化的电网可能成为瓶颈，计划需与国家能源战略深度绑定 [22][24] - 政治周期的干扰是根本性风险，国家科研方向需保持低政治噪音、高连续性及超越选举周期的十年视野，以避免项目摇摆 [24] 对全球科技竞争格局的影响 - 该计划将AI竞赛从“企业级”提升至“国家级生态”维度，对其他国家形成体系化压力 [7] - 计划正在构筑由技术、数据、生态共同形成的屏障，可能导致未来AI科技公司之间的差距越来越大 [6] - 争夺的焦点是对科技创新路径的定义权与解释权，无论是美国的生态整合还是西方对中国的叙事框架，都在争夺此权力 [11] 中国科技发展的对比与路径 - 中国拥有集中力量办大事的制度优势和全球最完整的产业链基础，在需要大规模资源整合的战略领域可能具备独特攻坚能力 [14] - 中国科技生态存在“应用强、基础弱”的结构性挑战，顶尖公司更多聚焦应用创新与商业模式，在瞄准长远的基础科学攻坚中可能后劲不足 [14] - 未来的竞争将更多聚焦于“科研生态与制度设计的适配性”，中国需要构建一条基于开放创新、生态培育与长期主义的自主发展路径 [12] - 中国需审视自身AI基础设施能否支撑国家级科研系统的算力需求，以及产学研协同、数据与算力资源的安全共享等基础能力 [12]

美国“创世纪计划”概述 - 2025年末，美国能源部牵头启动“创世纪计划”，旨在整合国家与产业力量，目标直指核聚变、量子计算、新材料等基础科学领域[3] - 该计划联合了微软、谷歌、英伟达、OpenAI等24家科技巨头与美国17个国家实验室，被舆论视为“新曼哈顿计划”或“国家级AI联盟”[3][5] - 此举标志着科技竞争从企业级的产品迭代，升级为国家科研体系之间的系统性对决[5] 计划的核心动机与特征 - 核心动机是解决美国在核聚变、材料、能源等“慢变量”基础科研领域研发周期长、成本高、成果转化不确定的问题，意图将市场化的AI能力引入国家科研体系以提升效率[6] - 计划具有“全栈特征”，参与方覆盖AI产业关键节点：从英伟达、AMD等底层算力提供商，到微软、谷歌的云平台，再到OpenAI、xAI等模型公司[6] - 这是长期互为对手的科技巨头首次在国家意志引导下协同发力，例如谷歌承诺将新一代大模型用于核聚变模拟，OpenAI向白宫提交专项报告论述“AI驱动科学”的战略窗口[8] 能源部的主导角色与各方诉求 - 美国能源部主导该计划，因其掌控全球顶尖的超级计算资源、积累了数十年的战略级科研数据，并长期承担核聚变等周期长、商业化难度大的国家重大科研任务[10] - 该合作并非科技公司“被收编”，而是国家需要能力与企业需要场景、订单及长期需求的阶段性重合[10] - 对于体系外参与者，一道由技术、数据、生态共同构筑的竞争屏障正在形成，未来AI科技公司的差距可能越来越大[10] 计划面临的挑战与成功关键 - 首要挑战是协调长期竞争巨头（如英伟达、AMD、微软、谷歌）之间的技术路线、商业逻辑与企业文化，实现真正协作[23] - 需解决国家实验室核心数据与科技公司AI模型命脉之间的数据共享与知识产权框架问题，构建安全可信的合作空间[23] - 资金耐心是重大考验，核聚变、量子计算等目标回报周期以十年计，需让资本市场为高风险、长周期且不确定的投入保持“战略耐心”[25] - 物理基础设施是根本制约，算力指数级增长需要匹配的能源基础设施，旧金山大规模停电事件警示了先进AI对脆弱电网的依赖[25] - 政治周期干扰是潜在风险，国家科研方向需保持低政治噪音、高连续性及超越选举周期的十年视野，避免因政府更迭而摇摆[27] - 计划最终成败不取决于单项技术突破，而取决于美国能否克服科技巨头各自为政、资本市场短期逐利、政治周期摇摆等内部顽疾[27] 全球竞争格局与中国视角 - 美国已将AI竞赛从“企业级”拉升至“国家级生态”维度，对其他国家形成体系化压力[12] - 国际舆论中出现的“中国曼哈顿工程”叙事，将中国芯片光刻机发展暗示为依赖“逆向工程”的封闭行动，但真正的技术创新核心在于通过自主创新积累数据、经验与系统级Know-how，并构建获得全球产业链信任的商业化能力[14] - 当前竞争焦点在于对科技创新路径的定义权与解释权的争夺[16] 中国的优势、挑战与发展路径 - 中国拥有集中力量办大事的制度优势和全球最完整的产业链基础，在需要大规模资源整合的战略领域可能转化为独特攻坚能力[19] - 挑战在于科技生态存在“应用强、基础弱”的结构性格局，顶尖科技公司更多聚焦应用创新与商业模式，在瞄准长远的基础科学攻坚中可能后劲不足[19] - 未来竞争将更多聚焦于“科研生态与制度设计的适配性”，中国需要一条建立在开放创新、生态培育与长期主义基础上的自主发展路径[17] - 发展路径的起点在于清醒审视自身基础能力，包括AI基础设施能否支撑国家级科研算力需求、产学研协同机制效率、以及数据与算力资源能否安全可控地共享开放[17] - 核心命题是如何在发挥制度优势的同时，培育基础研究深厚土壤并构建可持续的创新生态[21]

会议核心信息 - 首届天桥脑科学研究院AI驱动科学研讨会在美国旧金山召开，汇聚三位诺贝尔奖得主、斯坦福大学荣誉校长暨Alphabet董事会主席及二十余位顶尖学者与产业领袖 [1] - 会议核心议题为探讨AI如何推动科学发现的新范式 [1] 战略投资与研究方向 - 盛大集团与天桥脑科学研究院创始人陈天桥宣布投入10亿美元算力支持全球科学家的发现式智能研究 [1] - 提出AI的终极目标是帮助人类进化，其价值在于主动构建可验证的世界模型、提出假说并修正理解框架的发现能力 [1] - 将当前AI发展路径分为规模路径与结构路径，并强调结构路径是通往真正智能的关键，需具备神经动力结构、长期记忆、因果推理机制、世界模型和元认知系统五大能力 [1] - 宣布推出面向青年科学家的结构性算力支持、基准测试体系及PI孵化器等项目 [1] AI在材料科学的应用 - 2025年诺贝尔化学奖得主奥马尔·亚基展示AI在材料科学突破，利用ChatGPT的分子优化能力设计出可在空气湿度低于15%的沙漠中从大气取水的便携装置 [1] - 提出AI正在成为新的科学思维体，展示由七个AI智能体组成的虚拟科研团队，能在数天内完成上百次实验，实现材料从无定形到高结晶的转变 [1] AI在生命科学的应用 - 2024年诺贝尔化学奖得主戴维·贝克分享AI在蛋白质工程进展，其团队开发的RFDiffusion3模型可在三维结构空间中反向设计蛋白质，为阿尔茨海默病等疾病研究提供新路径 [2] - 强调AI驱动科研需要形成设计—验证—反馈—优化的闭环，让模型与实验数据相互促进 [2] - 2020年诺贝尔化学奖得主珍妮弗·道德纳介绍CRISPR基因编辑技术与AI结合成果，AI可通过学习基因扰动数据帮助系统性理解未知基因功能，推动个性化基因治疗 [2] - 指出科学的下一步突破将来自AI与因果数据的结合 [2] AI的宏观发展与挑战 - Alphabet董事会主席约翰·轩尼诗指出AI的普及速度远超个人电脑与智能手机，但人类必须保留关键决策权，在AI生成内容的使用中保持透明、可验证与可追溯 [2] - 警告全球数据可能在几年内被AI训练耗尽，而算力的能源效率提升尚未跟上其增长速度 [2] 行业认可与未来展望 - 大会颁发AI驱动科学大奖，多位青年科学家展示基于AI的前沿研究成果 [3] - 显示出AI驱动科学在多个学科中正在形成新的范式 [3]

奖项概述 - 首届"天桥脑科学研究院与《科学》杂志 AI 驱动科学大奖"公布三位获奖者 总奖金5万美元 [2] - 奖项旨在表彰利用AI赋能科学发现的创新性研究 [2] - 获奖论文将在《科学》杂志发表 [2] 获奖者及研究内容 - 大奖得主Dr Zhuoran Qiao来自旧金山Chai Discovery公司 运用生成式AI预测蛋白质折叠并创建动态模型 开发计算"显微镜"加速药物发现 [2] - 优胜奖得主Dr Aditya Nair来自加州理工学院和斯坦福大学 研究AI与神经科学融合 [2] - 优胜奖得主Dr Alizée Roobaert来自比利时佛兰德海洋研究所 开发监测海洋气候动态的AI解决方案 [2] 奖项细节 - 大奖得主获3万美元 论文发表于《科学》印刷版和在线版 [3] - 两位优胜奖得主各获1万美元 论文发表于《科学》在线版 [3] - 所有获奖者获《科学》在线版五年订阅 并成为荣誉陈氏学者 [3] 后续活动 - 获奖者将于10月在旧金山首届"天桥脑科学研究院 AI 驱动科学研讨会"展示成果 与诺贝尔奖得主等顶尖学者交流 [3] - 2025年度奖项申请通道将于8月开启 [3] 主办方评价 - 天桥脑科学研究院创始人雒芊芊表示获奖者使用新技术拓展人类知识前沿 [3] - 《科学》杂志高级编辑尤里·苏莱曼诺夫对参赛作品质量表示兴奋 [3]

奖项设立与背景 - 天桥脑科学研究院与美国科学促进会联合设立首届"AI驱动科学大奖"，旨在表彰利用AI推动科学发现的创新研究 [2] - 奖项总奖金5万美元，获奖论文将在《科学》杂志发表 [2] - 2025年度奖项申请通道将于8月开启，面向过去10年内获得博士学位的青年科学家 [11] 获奖者信息 - 大奖得主Dr Zhuoran Qiao来自Chai Discovery公司，在生物化学领域运用生成式AI预测蛋白质折叠行为 [3][5] - 优胜奖得主Dr Aditya Nair来自加州理工学院和斯坦福大学，研究AI与神经科学的融合 [4][7] - 优胜奖得主Dr Alizée Roobaert来自比利时佛兰德海洋研究所，开发监测海洋气候动态的AI方案 [4][8] 获奖研究亮点 - Dr Qiao的研究创建了蛋白质动态模型，能以前所未有的速度和准确性预测蛋白质行为，加速药物开发 [5][6] - Dr Nair的AI模型揭示了神经元网络中由神经肽介导的持久活动模式，这些模式编码情感状态 [7] - Dr Roobaert通过神经网络整合1800万数据点，建立了首个沿海水域二氧化碳吸收高分辨率模型 [8] 奖项后续安排 - 大奖得主获3万美元并在《科学》印刷版发表论文，优胜奖各获1万美元并在线发表 [9] - 获奖者将获得《科学》杂志五年订阅并成为荣誉陈氏学者 [9] - 2025年10月将在旧金山举办AI驱动科学研讨会，获奖者将与诺贝尔奖得主同台交流 [9] 主办方背景 - 美国科学促进会是全球最大综合性科学社团，拥有13万会员遍布91个国家 [14] - 天桥脑科学研究院由陈天桥夫妇出资10亿美元创建，是全球最大私人脑科学研究机构之一 [15] - 研究院已建成支持脑科学和AI研究的全球生态系统，项目遍布欧美亚洲等地 [15]